搜尋結果
全球领先的中文搜索引擎、致力于让网民更便捷地获取信息，找到所求。 百度超过千亿的中文网页数据库，可以瞬间找到相关的搜索结果。
- 邓紫棋
基本信息. 邓紫棋（G.E.M.），本名邓诗颖，1991年8月16日出 ...
- 邓紫棋
2022年2月24日 · 鉴于此，百度提出一种全新的基于空间结构的化合物建模方法——几何构象增强AI算法GEM，并设计了多个几何级别的自我监督学习策略，用于学习化合物的空间结构知识，使得化合物的表征能自主推断出空间结构信息。 这项技术在十多个基准的化合物属性预测数据集上均取得出色成绩，并成功应用到候选化合物的ADMET成药性预测任务上，取得良好收益。 解读几何构象增强AI算法GEM模型. 几何构象增强AI算法GEM模型包含两个主要部分：基于空间结构的图神经网络（a）和多个几何级别的自监督学习任务（b）。 图1: GEM的整体框架. 1. 基于空间结构的图神经网络. 由于化合物的集合结构可以完全被原子－化学键键长－键角确定。 GEM提出了一种基于空间结构的图网络，同时对原子－化学键－键角的关系建模空间结构信息。
2022年2月7日 · 145 Citations. 30 Altmetric. Metrics. A preprint version of the article is available at arXiv. Abstract. Effective molecular representation learning is of great importance to facilitate molecular...
- Xiaomin Fang
2022年2月28日 · 什么概念呢？ 作者形容，“比太阳系的原子数量还要多”。 要在这样一个庞大「小分子宇宙」中寻求合适的候选药物，高效准确的化合物表征就起到关键作用。 基于这样的背景下，研究团队此次的研究提出了几何增强型的分子表征方法，简称GEM。 这个方法主要包含两个部分：基于空间结构的图神经网络GNN、以及多个几何级别的自监督学习。 不难看出，本次研究的亮点在于空间、几何。 据介绍，这是业界首次将空间结构引入到化合物建模当中。 之所以这样强调，跟他们要解决的问题不无关系，那就是让AI也能理解小分子的3D结构。 个中原因，需要从现有表征方式说起。 目前研究主要有两种表征方式：基于序列的一维表征和基于图形的表征。
2022年2月23日 · 鉴于此，百度提出一种全新的基于空间结构的化合物建模方法——几何构象增强AI算法GEM，并设计了多个几何级别的自我监督学习策略，用于学习化合物的空间结构知识，使得化合物的表征能自主推断出空间结构信息。 这项技术在十多个基准的化合物属性预测数据集上均取得出色成绩，并成功应用到候选化合物的ADMET成药性预测任务上，取得良好收益。 03解读几何构象增强AI算法GEM模型. 几何构象增强AI算法GEM模型包含两个主要部分：基于空间结构的图神经网络（a）和多个几何级别的自监督学习任务（b）。 图1:GEM的整体框架. 基于空间结构的图神经网络. 由于化合物的集合结构可以完全被原子－化学键键长－键角确定。 GEM提出了一种基于空间结构的图网络，同时对原子－化学键－键角的关系建模空间结构信息。
2022年2月23日 · 鉴于此，百度提出一种全新的基于空间结构的化合物建模方法——几何构象增强AI算法GEM，并设计了多个几何级别的自我监督学习策略，用于学习化合物的空间结构知识，使得化合物的表征能自主推断出空间结构信息。 这项技术在十多个基准的化合物属性预测数据集上均取得出色成绩，并成功应用到候选化合物的ADMET成药性预测任务上，取得良好收益。 解读几何构象增强AI算法GEM模型. 几何构象增强AI算法GEM模型包含两个主要部分： 基于空间结构的图神经网络（a）和多个几何级别的自监督学习任务（b）。 图1: GEM的整体框架. 1. 基于空间结构的图神经网络. 由于化合物的集合结构可以完全被原子－化学键键长－键角确定。 GEM提出了一种基于空间结构的图网络，同时对原子－化学键－键角的关系建模空间结构信息。
